宏观固收量化研究系列之（九）：基于神经网络模型的利率择时

有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。 金融工程 | 专题报告 研究结论 ⚫ 近年来，以神经网络、决策树等非线性的机器学习模型在量化投资领域得到了广泛的应用。基于机器学习模型良好的拟合和特征提取能力，我们引入神经网络的相关模型，基于日频的量价因子(特征)进行训练，从而对未来N日的利率涨跌和国债期货涨跌进行预测。 ⚫ 本文的因子库基于成交量、价格动量、价格波动、期限利差水平、期限利差动量、税收利差水平、税收利差动量、期现价差、资金面水平、资金面波动10个大类的日频指标产生，共计779个时序因子。 ⚫ 本文参考Bao et al.(2017)的思路，设计了一个两阶段预测模型(SE-GRU模型)，第一阶段是使用稀疏编码器(Sparse Encoder)进行多维时间序列的信息提取，即通常所说的降维步骤，第二阶段是对降维后的时间序列使用GRU模型进行监督训练。损失函数由2部分组成，拟合的均方误差损失和稀疏自编码器提取特征的稀疏化约束。 ⚫ 基于 SE-GRU模型，可以日频得到“未来N日的利率涨跌和国债期货涨跌”的预测值，从而形成各类标的的日频多空信号。本文选用10年期国债期货主力合约(T)、5年期国债期货主力合约(TF)、10Y国开活跃券、5Y国开活跃券作为回测标的，测试集结果显示，预测变量采用“未来3日”和“未来5日”的收益是较为合意的选择。 ⚫ 样本外的测试集回测结果表明，预测模型取得了不错的绝对收益和相对收益： ◼ 对于10年期国债期货，年化收益达到5.98%，收益风险比达2.36，平均交易天数为4.79天/次，其中，多头端年化3.81%，空头端年化2.26%； ◼ 对于5年期国债期货，年化收益达到3.42%，收益风险比达2，平均交易天数为5.74天/次，其中，多头端年化2.42%，空头端年化1.02%； ◼ 对于10年国开活跃券，年化赚得收益率达到62.03bps，收益风险比达1.5，平均交易天数为8.85天/次； 信号用于久期轮动策略年化5.5%，最大回撤1.47%； ◼ 对于5年国开活跃券，年化赚得收益率达到63.46bps，收益风险比达1.28，平均交易天数为9.07天/次； 信号用于久期轮动策略年化4.32%，最大回撤0.87%； ⚫ 最后，本文还尝试使用积分梯度法分析预测模型的特征重要性，即各个因子对模型预测产生的影响的大小和排序，可供投资者参考。结果显示，T合约成交量、30Y/10Y国债换手率、利率的动量、资金面水平、现券波动、税收利差等因子贡献较大。 风险提示 ⚫ 量化模型失效的风险 ⚫ 市场极端环境的冲击 报告发布日期 2023年03月12日 邱蕊 021-63325888*5091 qiurui@orientsec.com.cn 执业证书编号：S0860519020001 香港证监会牌照：BSW115 宋之辰 songzhichen@orientsec.com.cn 陶文启 taowenqi@orientsec.com.cn 基于量价信息的利率择时探讨：——宏观固收量化研究系列之（八） 2022-12-13 活跃券的均线择时：——宏观固收量化研究系列之（六） 2022-03-25 基于神经网络模型的利率择时 ——宏观固收量化研究系列之（九） ——宏观固收量化研究系列之（九） 金融工程 | 专题报告 —— 基于神经网络模型的利率择时 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。 2 目 录 一、 研究背景 ..................................................................................................................... 4 二、 模型简介 ..................................................................................................................... 5 2.1 时序因子介绍 ......................................................................................................................................... 5 2.2 预测模型介绍 ........................................................................................................................................ 6 1) 稀疏编码器模型介绍 ......................................................................................................................... 7 2) GRU模型介绍 .................................................................................................................................. 8 3) 损失函数 ............................................................................................................................................... 9 三、 回测结果 ..................................................................................................................... 9 3.1 策略设计 ................................................................................................................................................. 9 3.2 预测表现 ............................................................................................................................................... 11 3.3 回测表现 ...............................................................................................................................................12 1) 10年期国债期货主力合约 ............................................................................................................12 2) 5年期国债期货主力合约 ............................................................................................................. 15 3) 10Y国开活跃券 .............................................................................................................................. 17 4) 5Y国开活跃券 ................................................................................................................................ 19 5) 长短久期指数轮动 .......................................................................................................................... 22 3.4 特征重要性 ......................................................................................................................................... 24 四、 结论 ........................................................................................................................... 26 风险提示 ................................................................................................................................... 26 附录 ............................................................................................................................................ 26 参考文献 ................................................................................................................................... 28 金融工程 | 专题报告 —— 基于神经网络模型的利率择时 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。 3 图表目录 图 1： 预测模型示意图 .......................................................................................................................................... 6 图 2：稀疏自编码器与稀疏编码器示意图 ........................................................................................................ 8 图 3： RNN示意图 ...............................